实体
windkessel effect
windkessel effect
PulseAugur coverage of windkessel effect — every cluster mentioning windkessel effect across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
深度学习框架利用物理信息方法减少假性VT警报
研究人员开发了一种新颖的深度学习框架，用于减少重症监护室(ICU)中的假性室性心动过速(VT)警报。该系统集成了1D SE-ResNet，并结合了先进的数据增强和基于Windkessel血流动力学模型的物理信息辅助重建任务。该方法通过确保生理学上的合理性来惩罚由伪影驱动的心电图模式，同时保留真实的VT信号，从而在VTaC基准测试中将挑战得分提高了5分。
-
AI模型HIPNO从无创信号推断患者血流动力学
研究人员开发了HIPNO（通过物理信息神经网络算子进行血流动力学推断），这是一种新颖的AI模型，旨在从普遍存在的信号中无创地推断血流动力学状态。HIPNO通过在其商空间中参数化网络来解决物理信息推断中的尺度对称性问题，使用诸如顺应性归一化流量和衰减时间常数之类的坐标。HIPNO在来自2,562名患者的超过945,000个术中窗口上进行了测试，在预测血管衰减方面，其误差比人群基线低32%，同时保持了平均动脉压的准确性。
-
研究人员将物理模型与机器学习相结合，以改进无创血压监测
研究人员开发了一种新颖的混合方法，将 Windkessel 模型与机器学习相结合，以改进无创血压监测。该方法将物理原理整合到数据驱动的模型中，增强了它们的可解释性和临床适用性。该技术将 Windkessel 模型重新构建为可供神经网络使用的形式，创建了一个物理信息驱动的常微分方程组。与纯数据驱动的机器学习模型相比，该混合系统旨在提供更稳健且易于理解的血压预测。